02 2011 档案

摘要：Sift算法-----part6 前言：这是本系列的最后一部分了，我们剩下的唯一工作就是采取每个关键点的指纹，这样才能把他从其他部分区别出来。做法 我们的目标是给每个关键点创建一个独一无二的指纹，前提必须他很容易计算，另一方面我们希望他在作比较时能保持相对宽松，比较在不同的两张图片中，物体总是有或多或少的区别的。为了完成这个目标，我们为每个关键点建立一个16*16的区域，这个区域被细分为4*4的区域。如下图： 然后在这个4*4的区域类，方向梯度和梯度大小被计算出来，这些方向被放入一个8位的直方图中。 梯度方向在0-44°的被放在第一个格子内，45-89°的被... 阅读全文

摘要：Sift算法-----part5 前言：通过前四部分的操作，我们已经得到优化后的关键点，它们已经在实践中被证明是稳定有效的，下一个步骤中，我们将为每一个关键点分配方向，这个方向将保证角度不怕。做法： 具体做法是收集每个关键点梯度方向和大小。然后我们就可以得出这区域中最突出的方向。我们将这个方向分配给每个关键点。其后的所有计算都是与这个方向是紧紧相关的，这保证了方向不变。 角度收集的区域与它的尺度相关，尺度越大，区域面积越大。细节 现在讨论关于方向收集的区域。 梯度方向和大小可以通过下列公式计算： 计算每个在关键点... 阅读全文

摘要：Sift算法-----part4 我们在前面的步骤中产生了许多关键点，其中的一些点是沿边缘分布的或者经历的对比不够充分，其中的任一种情况都使得这些关键点不能成为特征点。所以，我们得剔除它们。剔除的方式类似于Harris角点检测法中使用的方法。移除低对比度的特征点这很简单，如果在DOG图像中某点像素点的值小于某个特定的值，那么丢弃它。因为我们已经计算出亚像素点，我们需要使用taylor表达式来算出在亚像素点钟的值。如果强度偏小，同样会丢弃它。Removing edges我们计算出关键点的两个梯度值，彼此相互垂直。对于一张图片中的关键点进行计算，该点的两个梯度有三种情况：对于平滑的区域这两个梯度. 阅读全文

摘要：一、伯克利加州大学伯克利分校http://webcast.berkeley.edu/courses.php作为美国第一的公立大学，伯克利分校提供了，可以跟踪最新的讲座。想看教授布置的作业和课堂笔记，可以点击该教授的网页，通常，他/她都会第一堂课留下网址。实在不行，用google搜搜吧！伯克利的视频都是.rm格式，请注意转换二、麻省麻省理工学院http://ocw.mit.edu/OcwWeb/web/courses/courses/index.htm麻省理工是免费开放教育课件的先驱，计划在今年把１８００门课程的课件都放在网站上，提供课程与作业的ＰＤＦ格式下载。三是，麻省理工只提供少数的视频讲座 阅读全文

摘要：Sift算法-----part3 前言：知道现在，我们已经创建了尺度空间，并利用它计算出高斯差，这些是用来计算尺度不变的LOG，这些工作将会产生关键点。找到关键点，有两个步骤： 1、在DOG图像中找到最大值和最小值的分布情况。 2、找到最大值和最小值的亚像素点。DOG图像中的最大值和最小值分布 第一步就是粗略地找出最大值和最小值的分布情况。这很简单，你遍历每一个像素点和它的所有相邻点。这种检查不只在当前图像中，同时包括它在一个容器中的上一层和下一层图片。就像这样： x表示当前像素点，绿色点表示x的周围像素点，如果x比周围26个点都... 阅读全文

摘要：Sift算法-----part2前言： 在上一个步骤中，我们创建了图像的尺度空间，即逐步模糊图片，缩小它然后依次类推。现在，我们将使用模糊的图片去创建一系列的图片--高斯差(DOG)。这些DOG对找出图像的关键点十分重要。高斯--拉普拉斯(Laplacian of Gaussian)算子： LOG算法的步骤如下：对原始图像进行模糊，然后，根据该图像计算出二阶导数(Laplacian)。这样会得出图像上的边缘和角点，这些边缘和角点对找到关键点很重要。 但是二阶导数对噪点很敏感，模糊可以消除某些噪点是更容易地计算出二阶导数。难度是，计算出所有这些二阶导数的时间和空间复杂度均很高，所有我们必须... 阅读全文

摘要：Sift算法-----part1 前言：真实世界中的物体只有在某些尺寸中才有价值。比如，你在桌上放置了一台电脑，而你在电脑前，那么电脑就很好地存在。而当你在一个离电脑很远的地方查看时，它就像一粒尘埃，没有什么意义。尺度空间的概念旨在将现实中的这个理念用于数字图像的处理中。尺度空间： 你是可以选择看着一个树还是一片叶子，这取决于你的喜好。如果你选择了一棵树，那么你会选择忽略掉某些细节(例如叶子等)。当然你在选择忽略掉某些细节时，你必须保证不会引人更多的细节。唯一合理的方式是采用高斯模糊(在多种情况下已经被数学证明有效，至于怎么证明，这个问问数学界的大师吧。^_^) 因此，创建一个尺度空间，... 阅读全文

摘要：SIFT:ScaleInvariantFeatureTransform(尺度不变特征转换)先介绍第一部分：在不同图片之间进行特征匹配是计算机图形学中一个常见的问题。在一般情况下，简单的角点检测就能达到目的。但是，当你拥有的图片不同尺寸，或者不同角度，sift算法就能派上用场。Sift是一个相当复杂的算法，需要相应的知识，而且很容易使人糊涂。我将算法分为以下如下几个部分：一、构建尺度空间：这是初始步骤。你可以创建对原始图像的内部表示来保证尺寸不变，这就是构建尺度空间的工作。二、高斯--拉普拉斯(LaplacianofGaussian)算子：LOG算子常用于在图像中查找关键点。但有相当的时间和空间 阅读全文

摘要：告别外星人，外星人走好！中央电视台节目里的那句----------岁月你别催 该来的我不推；岁月你别催 走远的我不追；让多少人感伤啊！“生活就像一把无情刻刀，改变了你的模样，改变了岁月，改变了江湖，改变了不朽，改变了悲伤，改变了往事，改变了时光，不曾改变的只剩下全世界球迷心中永远的呐喊，世上只有一个罗纳尔多。”岁月，你别催该来的我不推该还的还该给的，我给岁月，你别催走远的我不追我不过是想道尽原委他出自纵贯线《给自己的歌》 下面是歌词：想得却不可得你奈人生何该舍的舍不得只顾著跟往事瞎扯等你发现时间是贼了它早已偷光你的选择爱恋不过是一场高烧思念是紧跟著的好不了的咳是不能原谅却无法阻挡恨意在夜里FQ 阅读全文

摘要：图像阈值化：在对图像进行操作时，希望能对一些低于和高于一定值的像素进行操作。opencv的cvThreshold()可以完成某些任务。double cvThreshold(CvArr* src,CvArr* dst,double threshold, //Tdouble max_value, //Mint threshold_type);//只能处理8位或浮点灰度图像threshold_type包括一些类型选项CV_THRESH_BINARY (src>T)?M:0CV_THRESH_BINARY_INV (src>T)?0:MCV_THRESH_TRUNC (src>T)? 阅读全文